Goal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya
|
|
- Hartanti Hartanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Goal Programming untuk PeRencanaan Produksi Agregat dengan kendala sumber daya Oleh : Kartika Megasari Dosen Pembimbing: Drs.Sulistiyo,MT Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2010
2 PENDAHULUAN
3 Latar Belakang Salah satu tujuan didirikannya suatu perusahaan adalah mendapatkan keuntungan. Menurut Nasution (1999), perencanaan produksi adalah suatu perencanaan taktis yang bertujuan untuk memberikan keputusan yang optimum berdasarkan sumber daya yang dimiliki perusahaan dalam memenuhi permintaan akan produk yang dihasilkan. Pada Tugas Akhir ini, diterapkan pendekatan goal programming agar dapat menghasilkan keluaran berupa pilihan-pilihan alternatif dari skenario perencanaan produksi. Selain itu akan dibahas bagaimana menentukan model optimasi perencanaan produksi yang mempertimbangkan kelancaran supply pasar dan pertimbangan keuangan yaitu dengan memaksimumkan laba, memaksimumkan pemanfaatan mesin produksi dan meminimumkan biaya produksi.
4 Rumusan Masalah Bagaimana menghasilkan output produksi secara optimal berdasar penggunaan sumber daya yang tersedia sehingga tujuan tujuan yang diprioritaskan dapat tercapai secara optimal Bagaimana model Goal Programming untuk perencanaan produksi agregat sehingga tujuan tujuan yang diinginkan dapat tercapai
5 Batasan Masalah Data yang digunakan adalah data penjualan pada Primarasa Food Industry periode Januari 2007 Desember 2009 Kendala yang digunakan adalah kendala bahan baku, tenaga kerja, dan kapasitas mesin Data permintaan diperoleh dari metode peramalan ARIMA dengan menggunakan data penjualan yang tersedia, dan permintaan diasumsikan tetap
6 Tujuan Mengetahui pencapaian sasaran yang telah ditetapkan Mengembangkan sebuah model matematika untuk menentukan tingkat optimum dari produk yang dihasilkan
7 Manfaat Mengetahui sumber daya yang dapat dikurangi dan sumber daya yang dapat dinaikkan sehingga kondisi optimal perusahaan dapat tetap tercapai Mengetahui model Goal Programming untuk perencanaan produksi agregat
8 TINJAUAN PUSTAKA
9 Perencanaan Agregat Sumayang,L. (2003) o Perencanaan agregat merupakan suatu perencanaan yang meliputi tidak saja output produksi tetapi juga sumber daya yang akan mempengaruhi tingkat penawaran perusahaan maupun tingkat permintaan pelanggan. o Tujuan dari perencanaan agregat adalah menetapkan tingkat output untuk jangka waktu pendek dan menengah dalam rangka menghadapi permintaan.
10 Linear Programming Goal programming merupakan perluasan dari model linear programming. Oleh karena itu terlebih dahulu dijelaskan tentang linear programming. Model baku linear programming dapat dirumuskan sebagai berikut : (Nasendi, B.D & Anwar Affendi, 1985) Optimumkan (maksimumkan atau minimumkan) Dengan syarat-ikatan :
11 Goal Programming Program tujuan ganda diperkenalkan pertama kalinya oleh Charnes dan Cooper pada tahun 1961 (Charnes & Cooper,1961). Cara memformulasi goal programming hampir sama saja dengan linear programming. Dalam goal programming kita berusaha untuk meminimumkan deviasi di antara berbagai tujuan atau sasaran yang kita tetapkan. Model umum dari program tujuan ganda (tanpa faktor prioritas di dalam strukturnya) adalah sebagai berikut: (Nasendi, B.D & Anwar Affendi, 1985) Syarat ikatan:
12 GP Pre-emptive Dalam rangka memecahkan persoalan dengan tujuan ganda,satu tujuan dengan tujuan yang lainnya adalah saling bertentangan,maka pengambil keputusan harus menentukan mana dari antara berbagai tujuan tersebut yang diutamakan atau diprioritaskan. Model umum suatu persoalan program tujuan ganda yang memiliki struktur pengutamaan (preemptive)dapat dirumuskan sebagai berikut:(nasendi, B.D & Anwar Affendi, 1985)
13 Model Autoregressive Integrated Moving Average (ARIMA) Secara umum model ARIMA (Box-Jenkins) dirumuskan dengan notasi sebagai berikut : ARIMA (p,d,q), dengan, p menunjukkan orde / derajat Autoregressive (AR) d menunjukkan orde / derajat Differencing (pembedaan), dan q menunjukkan orde / derajat Moving Average (MA)
14 METODOLOGI PENELITIAN
15 Metode Penelitian Berikut adalah kerangka tahapan penyusunan tugas akhir Studi Pendahuluan Pengolahan Data dan Pengembangan Model Analisis dan Kesimpulan
16 Pengumpulan Data Data yang digunakan pada penelitian ini adalah data yang diperoleh pada Januari 2007 sampai Desember 2009, berupa data sekunder yang berasal dari Primarasa Food Industri, yang meliputi: Pemakaian dan Kapasitas Bahan Baku Bahan baku Kapasitas bahan baku selama sebulan /kg Kapasitas pemakaian /botol (kg) Kecap manis Sambal kecap Kedelai Garam Gula merah Cabai
17 Alat atau Mesin yang Digunakan Alat atau Mesin Jumlah Kapasitas Jam Kerja Mesin Jam Kerja Mesin per bulan/produk Kecap manis Sambal kecap Pencampuran Pemisahan Penyaringan Pendinginan Pengemasan Jam Tenaga Kerja Kapasitas Jam Kerja/bulan Jam Kerja per bulan tiap produk Kecap manis Sambal kecap
18 Biaya Produksi Produk Kecap Manis Sambal Kecap Anggaran Perusahaan Tujuan Biaya bahan baku+biaya tenaga kerja+biaya overhead+biaya packing Ketetapan Perusahaan Profit Biaya Produksi Penggunaan Mesin
19 Pembentukan Model Goal Programming Pada tahap ini akan diuraikan berbagai pembentukan model goal programming dan upaya memperoleh alternatif perencanaan yang lebih baik dalam memproduksi produk agar dapat mengoptimalkan fungsi tujuan perusahaan. Penetapan Variabel Keputusan Variabel keputusan yang digunakan dalam model ini didefinisikan sebagai berikut: :jumlah produk ke-i yang diproduksi pada periode-t. :jenis produk yang dihasilkan, i=1,2. :periode produksi, t=1,2 (bulan). :jenis bahan baku yang tersedia. Perumusan Fungsi Kendala Kendala Bahan Baku
20 Kendala Jam Kerja Kendala Jam Kerja Mesin Penetapan Prioritas Utama P1= terpenuhinya target jumlah produk yang akan diproduksi. P2= tercapainya profit perusahaan. P3= terpenuhinya target anggaran biaya yang tersedia. P4=terpenuhinya target memaksimalkan penggunaan mesin
21 Perumusan Fungsi Tujuan Pemenuhan Target Permintaan Diubah ke goal programming dengan menambahkan variabel simpangan negatif dan positif sebagai berikut : Kontribusi fungsi pencapaian adalah deviasi positif dan negatif sebagai berikut: Maksimal Profit
22 Diubah ke goal programming dengan menambahkan variabel simpangan negatif dan positif sebagai berikut : Kontribusi fungsi pencapaian adalah deviasi negatif sebagai berikut: Minimal Biaya Produksi Diubah ke goal programming dengan menambahkan variabel simpangan negatif dan positif sebagai berikut : Kontribusi fungsi pencapaian adalah deviasi positif sebagai berikut:
23 Maksimal Penggunaan Mesin Diubah ke goal programming dengan menambahkan variabel simpangan negatif dan positif sebagai berikut : Kontribusi fungsi pencapaian adalah deviasi negatif sebagai berikut:
24 ANALISIS DATA DAN PEMBAHASAN
25 ESTIMASI PARAMETER Kecap Manis dengan Model (1,1,[5]) Model ini didapat dari pengolahan data penjualan kecap manis periode Januari Desember 2009 menggunakan minitab dan SAS. Untuk mengetahui apakah model yang didapat sudah benar maka perlu dilakukan beberapa uji seperti : Uji Signifikan Pengujian signifikansi parameter dapat dilakukan dengan menggunakan statistik uji t-student dengan. Hipotesis: : ( parameter tidak signifikan) Statistik Uji: : ( parameter signifikan) Karena atau maka H 0 ditolak artinya parameter signifikan.
26 Uji White Noise Pengujian asumsi residual white noise dapat dilakukan dengan menggunakan uji Ljung-Box dengan sebagai berikut : Hipotesis: Statistik uji Ljung-Box : Untuk K = 6 maka: : minimal ada satu, dimana = 5, Karena atau maka H 0 diterima artinya residual white noise.
27 Uji Normalitas Pengujian asumsi distribusi normal dapat dilakukan dengan menggunakan uji Kolmogorov-Smirnov dengan. Pengujian ini dapat dilakukan melalui hipotesis sebagai berikut : Hipotesis : Statistik uji : D = Sup S( x) F0 ( x) = 0, x ( berdistribusi normal) ( tidak berdistribusi normal) D α, n = D0.05,36 = 0,199 Karena atau maka H 0 diterima artinya residual model berdistribusi normal.
28 Sambal Kecap dengan Model ([8],1,1) Model ini didapat dari pengolahan data penjualan sambal kecap periode Januari Desember 2009 menggunakan minitab dan SAS. Untuk mengetahui apakah model yang didapat sudah benar maka perlu dilakukan beberapa uji seperti : Uji Signifikansi Pengujian signifikansi parameter dapat dilakukan dengan menggunakan statistik uji t-student dengan. Hipotesis: : ( parameter tidak signifikan) Statistik Uji : : ( parameter signifikan) Karena atau maka H 0 ditolak artinya parameter signifikan.
29 Uji White Noise Pengujian asumsi residual white noise dapat dilakukan dengan menggunakan uji Ljung-Box dengan sebagai berikut : Hipotesis: Statistik uji Ljung-Box : :minimal ada satu, dimana Untuk K = 6 maka: = 1,88 Karena atau maka H 0 diterima artinya residual white noise.
30 Uji Normalitas Pengujian asumsi distribusi normal dapat dilakukan dengan menggunakan uji Kolmogorov-Smirnov dengan. Pengujian ini dapat dilakukan melalui hipotesis sebagai berikut : Hipotesis : ( berdistribusi normal) Statistik uji : D = Sup S( x) F0 ( x) = 0, x ( tidak berdistribusi normal) D α, n = D0.05,36 = 0,199 Karena atau maka H 0 diterima artinya residual model berdistribusi normal.
31 Peramalan Permintaan Permintaan Kecap Manis (dalam ribuan) forecast lower Upper Permintaan Sambel Kecap (dalam ribuan) Forecast Lower Upper
32 Perumusan Bentuk Model Lengkap Bentuk model lengkap dapat dirumuskan sebagai berikut: Fungsi Tujuan Minimasi =P1(n1+p1+n2+p2+n3+p3+n4+p4)+P2(n5)+P3(p6)+P4(n7) Fungsi Kendala KENDALA BAHAN BAKU Kedelai 0.28x11+0.2x21<= x12+0.2x22<=65500 Garam 0.06x x21<= x x22<=13880 Gula Merah 0.6x11+0.4x21<= x12+0.4x22<= Cabai 0.1x21<= x22<=3200 KENDALA JAM TENAGA KERJA 0.033x11+0.1x21<= x12+0.1x22<=10080 KENDALA JAM KERJA MESIN 0.02x x21<= x x22<=6990
33 Kendala Sasaran atau Tujuan TARGET PEMENUHAN JUMLAH PERMINTAAN x11+n1-p1= x12+n2-p2= x21+n3-p3= x22+n4-p4= TARGET MEMAKSIMALKAN PROFIT 3000x x x x22+n5-p5= TARGET MEMINIMALKAN BIAYA PRODUKSI 8500x x x x22+n6-p6= TARGET MEMAKSIMALKAN PENGGUNAAN MESIN 0.02x x12+n7-p7=6990 x11>=0 x12>=0 x21>=0 x22>=0 n1>=0 n2>=0 n3>=0 n4>=0 p1>=0 p2>=0 p3>=0 p4>=0 End
34 Analisis Hasil Model Awal Model yang dikembangkan terdiri dari 4 variabel keputusan,7 variabel simpangan,dan 12 kendala,dengan urutan prioritas : Terpenuhinya target jumlah produk yang akan diproduksi. Tercapainya target jumlah profit yang diinginkan perusahaan. Terpenuhinya target anggaran biaya yang tersedia. Terpenuhinya target penggunaan mesin. Dari hasil optimasi dengan menggunakan goal programming dan dengan bantuan software LINDO menghasilkan output untuk masing masing tujuan. Hasil dari setiap tujuan adalah sebagai berikut : Prioritas Sasaran Target Tujuan Ket I II III IV Memenuhi jumlah permintaan produk Memaksimalkan profit perusahaan Meminimalkan biaya produksi Memaksimalkan penggunaan mesin T T T T
35 Analisis Pemakaian Sumber Daya Sumber Daya Periode Solusi Target Status Kedelai Garam Gula Merah Cabai Jam Tenaga Kerja Jam Kerja Mesin T T T T T T T T T T T T
36 Alternatif Perubahan Model Dari model awal dapat diketahui bahwa semua fungsi pencapaian memenuhi target. Pada bagian ini ingin diketahui pengaruh yang muncul bila sebagian fungsi pengaruh diubah. Kenaikan Permintaan Kecap Manis Bulan Pertama Prioritas Sasaran Target Tujuan Ket I II III IV Memenuhi jumlah permintaan produk Memaksimalkan profit perusahaan Meminimalkan biaya produksi Memaksimalkan penggunaan mesin T T T Kenaikan Permintaan Kecap Manis Bulan Kedua Prioritas Sasaran Target Tujuan Ket I II III IV Memenuhi jumlah permintaan produk Memaksi-malkan profit perusahaan Meminimal-kan biaya produksi Memaksimal-kan penggunaan mesin T T T T T
37 Kenaikan Permintaan Sambal Kecap Bulan Pertama Prioritas Sasaran Target Tujuan Ket I II III IV Memenuhi jumlah permintaan produk Memaksimalkan profit perusahaan Meminimalkan biaya produksi Memaksimalkan penggunaan mesin T T T Kenaikan Permintaan Sambal Kecap Bulan Kedua Prio-ritas Sasaran Target Tujuan Ket I II III IV Memenuhi jumlah permintaan produk Memaksimalkan profit perusahaan Meminimalkan biaya produksi Memaksimalkan penggunaan mesin T T T T T
38 PENUTUP
39 Kesimpulan Dari hasil pembahasan pada Bab IV, maka dapat ditarik kesimpulan sebagai berikut: Pengembangan model matematik untuk menentukan tingkat optimum dari produk yang dihasilkan. Model tersebut memerlukan fungsi tujuan yang meminimumkan deviasi dari kendala sasaran atau tujuan dan fungsi pembatas berupa kendala bahan baku, kendala jam tenaga kerja, kendala jam kerja mesin, kendala permintaan, kendala profit, kendala biaya produksi, dan kendala penggunaan mesin. Pemakaian bahan baku, jam kerja mesin, dan jam tenaga kerja masih kurang dari ketersediaannya sebesar nilai deviasinya. Dari analisa output untuk sasaran yang telah ditetapkan, diperoleh hasil sebagai berikut: Permintaan kecap manis bulan 1 sebesar ,7 dapat tercapai dengan model yang ada saat ini yaitu sebesar ,7. Permintaan kecap manis bulan 2 sebesar ,9 dapat tercapai dengan model yang ada saat ini yaitu sebesar ,9. Permintaan sambal kecap bulan 1 sebesar 29936,2 dapat tercapai dengan model yang ada saat ini yaitu sebesar 29936,2. Permintaan sambal kecap bulan 2 sebesar 30255,78 dapat tercapai dengan model yang ada saat ini yaitu sebesar 30255,78. Profit perusahaan sebesar Rp dapat dicapai dengan model yang ada saat ini sebesar Rp Biaya produksi sebesar Rp dapat dicapai dengan model yang ada saat ini sebesar Rp Penggunaan mesin untuk memproduksi kecap manis sebesar 6900 dapat dicapai dengan model yang ada saat ini sebesar 8030,
40 Saran Dari penelitian yang telah dilakukan tentu masih banyak kekurangannya, untuk itu maka beberapa saran perbaikan untuk penelitian selanjutnya: Dalam penelitian ini fungsi tujuan yang diusulkan hanya empat, sehingga untuk penelitian lebih lanjut dapat digali informasi yang lebih tentang tujuan perusahaan. Fungsi kendala dapat ditambah untuk mendekati kondisi nyata perusahaan.
41 Daftar Pustaka [1] Charnes, A. dan W.W.Cooper Management Models and Industrial Applications of Linear Programming. Vol.1.John Wiley and sons, Inc, New York [2] Leung,S.C.H., A goal programming model for aggregate production planning with resource utilization constraint. Hong Kong:Journal of Computers and Industrial Engineering [3] Makridakis, S. Wheelwright, SC and McGee, Victor E Metode dan Aplikasi Peramalan. Diterjemahkan oleh Suminto, Hari Ir. Jakarta: Erlangga. [4] Megasari,Tanti, 2010, Peramalan Indeks Harga Saham yang Dipengaruhi Kurs, Perubahan Inflasi, Posisi Jumlah Deposito Berjangka, Suku Bunga SBI dan Deposito Menggunakan Fungsi Transfer dan Arch-Garch. Jurusan Matematika ITS. Surabaya [5] Mulyono,Sri, 1991, Operations Research. Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. [6] Nasendi, B.D & Anwar Affendi, 1985, Program Linear dan Variasinya. PT.Gramedia, Jakarta [7] Nasution, A.H., Perencanaan dan Pengendalian Produksi. Erlangga [8] Siswanto, Operations Research Jilid Satu. Erlangga. [9] Sugiarto dan Harijono Peramalan Bisnis. PT. Gramedia Pustaka Utama. [10] Sumayang,L.,2003, Dasar Dasar Manajemen Produksi dan Operasi. Edisi Pertama. PT.Salemba Empat Patria, Jakarta [11] Taha, Hamdy A, Operations Research : An Introduction Eighth Edition. Prentice-Hall Inc.,Upper Saddle River,New Jersey. [12] Wei, W.W.S Time Series Analysis : Univariate and Multivariate Methods. United State of America : Addison-Wesly Publishing Company.
42 SEKIAN TERIMA KASIH
GOAL PROGRAMMING UNTUK PERENCANAAN PRODUKSI AGREGAT DENGAN KENDALA SUMBER DAYA Nama Mahasiswa : Kartika Megasari NRP :
GOAL PROGRAMMING UNUK PERENCANAAN PRODUKSI AGREGA DENGAN KENDALA SUMBER DAYA Nama Mahasiswa : Kartika Megasari NRP : 06 00 044 Jurusan : Matematika Dosen Pembimbing : Drs. Sulistiyo, M Abstrak Perencanaan
Lebih terperinciOPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( )
OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING Oleh: Rossy Susanti (1207 100 007) Dosen Pembimbing: Drs. Suharmadi S., DiplSc.,MPhil JURUSAN MATEMATIKA
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciOPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING
OPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING Oleh : Sintha Yuli Puspandari 1206 100 054 Dosen Pembimbing : Drs. Sulistiyo, M. T Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perencanaan produksi sebagai suatu perencanaan taktis yang bertujuan untuk memberikan keputusan berdasarkan sumber daya yang dimiliki perusahaan dalam memenuhi permintaan
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciPeramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun
Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciOPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING
OPTIMALISASI JADWAL KUNJUNGAN EKSEKUTIF PEMASARAN DENGAN GOAL PROGRAMMING Abstrak Oleh : Sintha Yuli Puspandari 1206 100 054 Dosen Pembimbing : Drs. Sulistiyo, M.T Jurusan Matematika Fakultas Matematika
Lebih terperinciOptimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan dengan Metode Fuzzy Goal Programming
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 Optimasi Jumlah Pelanggan Perusahaan Daerah Air Minum Surya Sembada Kota Surabaya Berdasarkan Jenis Pelanggan Metode Fuzzy Goal Programming Rofiqoh
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam proses produksi setiap perusahaan pasti dihadapkan pada persoalan mengoptimalkan lebih dari satu tujuan. Tujuan-tujuan dari persoalan produksi tersebut ada
Lebih terperinciANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS
ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati (1306.030.046) Dosen Pembimbing: Dra. Madu Ratna, M.Si
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciJURNAL TEKNIK POMITS Vol.1, No. 1, (2013) 1-6 II. URAIAN PENELITIAN
JURNAL TEKNIK POMITS Vol.1, No. 1, (013) 1-6 PENERAPAN METODE GOAL PROGRAMMING UNTUK PERENCANAAN PRODUKSI PADA PRODUK OLAHAN TEBU (STUDI KASUS: PG. XXX, JAWA TIMUR) Pupy Ajiningtyas, Suhud Wahyudi, dan
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciBAB I PENDAHULUAN. Dalam hal ini, perusahaan sering dihadapkan pada masalah masalah yang
BAB I PENDAHULUAN 1.1. Latar Belakang Suatu perusahaan selalu berusaha untuk mendapatkan laba yang maksimal. Dalam hal ini, perusahaan sering dihadapkan pada masalah masalah yang kompleks dalam mengambil
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan wingko pada tahun 2016.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan dan Pengolahan Data Untuk menganalisi permasalahan pengoptimalan produksi, diperlukan data dari UD. Wingko Babat Pak Moel sebagai berikut: a. Data permintaan
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciPERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT
PERAMALAN JUMLAH PENUMPANG PESAWAT TERBANG LOGO DOMESTIK DI BANDAR UDARA JUANDA DENGAN MENGGUNAKAN METODE FUNGSI TRANSFER MULTI INPUT Oleh : Ary Miftakhul Huda (1309 100 061) Dosen Pembimbing : Dr.rer.pol.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
43 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan zaman dan ilmu teknologi yang begitu cepat membuat persaingan pasar di antara perusahaan-perusahaan semakin meningkat, khususnya dalam hal memperebutkan
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
Lebih terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciPENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 28 37 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU NELFA SARI Program Studi Matematika, Fakultas
Lebih terperinciOleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si
Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan
Lebih terperinciPERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 1 10. PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA Lukas Panjaitan, Gim Tarigan, Pengarapen Bangun Abstrak. Dalama makalah
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih terperinciPENERAPAN METODE GOAL PROGRAMMING UNTUK PERENCANAAN PRODUKSI PADA PRODUK OLAHAN TEBU (STUDI KASUS: PG. XXX JAWA TIMUR)
PENERAPAN METODE GOAL PROGRAMMING UNTUK PERENCANAAN PRODUKSI PADA PRODUK OLAHAN TEBU (STUDI KASUS: PG. XXX JAWA TIMUR) Oleh : Pupy Ajiningtyas 1209 100 075 Dosen Pembimbing : 1. Drs. Suhud Wahyudi, M.Si
Lebih terperinciBAB I PENDAHULUAN. apa yang dibutuhkan untuk mendapatkan produk yang telah ditetapkan.
BAB I PENDAHULUAN 1.1. Latar Belakang Perencanaan produksi adalah suatu kegiatan yang berkenaan dengan penentuan apa yang harus diproduksi, berapa banyak diproduksi dan sumber daya apa yang dibutuhkan
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON
PEMODELAN ARIMA UNTUK PREDIKSI KENAIKAN MUKA AIR LAUT DAN DAMPAKNYA TERHADAP LUAS SEBARAN ROB DI KOTA AMBON (MODELS OF ARIMA TO PREDICT RISING SEA AND ITS IMPACT FOR THE WIDESPREAD DISTRIBUTION OF ROB
Lebih terperinciOPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)
OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA) Ni Putu Deviyanti 1, Ni Ketut Tari Tastrawati 2, I Wayan Sumarjaya 3 1 Jurusan
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciBAB III PEMBAHASAN. = tujuan atau target yang ingin dicapai. = jumlah unit deviasi yang kekurangan ( - ) terhadap tujuan (b m )
BAB III PEMBAHASAN A. Penyelesaian Perencanaan Produksi dengan Model Goal Programming Dalam industri makanan khususnya kue dan bakery, perencanaan produksi merupakan hasil dari optimisasi sumber-sumber
Lebih terperinciAnalisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung
Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung Desy Yuliana Dalimunthe Jurusan Ilmu Ekonomi, Fakultas Ekonomi,
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciPERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 1 (2014), pp. 55 69. PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA John Putra S Tampubolon, Normalina Napitupulu, Asima Manurung Abstrak.
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
Lebih terperinciPENERAPAN MODEL LINEAR GOAL PROGRAMMING UNTUK OPTIMASI PERENCANAAN PRODUKSI
PENERAPAN MODEL LINEAR GOAL PROGRAMMING UNTUK OPTIMASI PERENCANAAN PRODUKSI Natalia Esther Dwi Astuti 1), Lilik Linawati 2), Tundjung Mahatma 2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen
Lebih terperinciPemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah
Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman
Lebih terperinciBAB I PENDAHULUAN. akan menjadi standar hasil dalam perkembangan dunia usaha itu sendiri. Dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Perencanaan dalam sebuah produksi merupakan salah satu hal yang harus diperhatikan dalam dunia usaha. Secara tidak langsung perencanaan produksi akan menjadi standar
Lebih terperinciPERENCANAAN PRODUKSI AGREGAT PADA INDUSTRI KACA DI PT. XYZ
PERENCANAAN PRODUKSI AGREGAT PADA INDUSTRI KACA DI PT. XYZ 1 Martinus Harun Koentjoro, 2 Bobby Oedy P. Soepangkat, 3 Nurhadi Siswanto 1 Mahasiswa Pasca Sarjana Magister Manajemen Teknologi 2 Dosen Magister
Lebih terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciMETODE SIMPLEKS DALAM PROGRAM LINIER
METODE SIMPLEKS DALAM PROGRAM LINIER Dian Wirdasari Abstrak Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciPERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama : Zahroh Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,
Lebih terperinciPREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32
PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 Nanang WIdodo Penelid Staslun Pengamat Dlrgantara Watukosek, LAPAN ABSTRACT The time series of the monthly number
Lebih terperinciPENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI
TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,
Lebih terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
Lebih terperinciPEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION
PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION Oleh NYOMAN PANDU WIRADARMA (1308 100 052) Dosen Pembimbing 1
Lebih terperinciKata kunci: Analisis Pengendalian Persediaan, Metode Peramalan.
PENGENDALIAN PERSEDIAAN BAHAN BAKU PADA PT. X Indra Dwiharto, Moses L. Singgih Magister Manajemen Teknologi Institut Teknologi Sepuluh November Surabaya ABSTRAK PT. X merupakan perusahaan yang bergerak
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan
Lebih terperinciBAB II LANDASAN TEORI. Pemrograman linear (PL) ialah salah satu teknik dari riset operasi untuk
BAB II LANDASAN TEORI A. Pemrograman Linear Pemrograman linear (PL) ialah salah satu teknik dari riset operasi untuk memecahkan persoalan optimasi (maksimum atau minimum) dengan menggunakan persamaan dan
Lebih terperinciPENGENDALIAN KUALITAS STATISTIKA RUNTUN WAKTU DENGAN METODE FEEDBACK CONTROL DI PT. SEMEN GRESIK (PERSERO) TBK.
PENGENDALIAN KUALITAS STATISTIKA RUNTUN WAKTU DENGAN METODE FEEDBACK CONTROL DI PT. SEMEN GRESIK (PERSERO) TBK. SKRIPSI oleh: ADJI ACHMAD RINALDO FERNANDES 0001100233-95 PROGRAM STUDI STATISTIKA JURUSAN
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER I Ketut Putra Adnyana 1, I Wayan Sumarjaya 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas FMIPA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Permasalahan transportasi merupakan permasalahan yang sering terjadi dalam kehidupan sehari-hari. Transportasi merupakan bentuk khusus dari program linear yang digunakan
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciBAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial
BAB II TINJAUAN PUSTAKA Berikut teori-teori yang mendukung penelitian ini, yaitu konsep dasar peramalan, konsep dasar deret waktu, proses stokastik, proses stasioner, fungsi autokovarians (ACVF) dan fungsi
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. Perencanaan produksi pada perusahaan manufaktur merupakan aktivitas
BAB I PENDAHULUAN 1.1. Latar Belakang Perencanaan produksi pada perusahaan manufaktur merupakan aktivitas yang sangat penting dalam menentukan kontinuitas operasional produksi. Di dalam praktek, manajer
Lebih terperinciJurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN
Perencanaan Produksi Menggunakan Model dan Pengendalian Persediaan Menggunakan Program Dinamik untuk Meminimumkan Total Biaya (Studi Kasus: Produksi Amplang UD. Usaha Devi) Production Planning using Model
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN NILAI EKSPOR DI INDONESIA DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) SKRIPSI BAGUS HADI PRASTYA PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciPERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS
Saintia Matematika Vol. 1, No. 6 (2013), pp. 579 589. PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS Raisa Ruslan, Agus Salim Harahap, Pasukat Sembiring Abstrak. Dalam
Lebih terperinciPemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD
Pemodelan ARIMA Jumlah Pencapaian Peserta KB Baru IUD Charisma Arianti, Arief Wibowo Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Airlangga Surabaya Alamat Korespondensi:
Lebih terperinciSEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti
SEMINAR TUGAS AKHIR Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik Rina Wijayanti 1306100044 Pembimbing Drs. Haryono, MSIE Dedi Dwi Prastyo, S.Si., M.Si.
Lebih terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciAplikasi Integer Linear Programming (Ilp) untuk Meminimumkan Biaya Produksi pada Siaputo Aluminium
Aplikasi Integer Linear Programming (Ilp) untuk Meminimumkan Biaya Produksi pada Siaputo Aluminium Hikmah *1, Nusyafitri Amin 2 *1 Program Studi Matematika FMIPA Universitas Sulawesi Barat, 2 Program Studi
Lebih terperinciOPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK ABSTRAK
OPTIMASI PERENCANAAN DAN PENGENDALIAN BAHAN BAKU DI PT. SIANTAR TOP TBK Robby Hidayat, Moses L.Singih, Mahasiswa MMT ITS Manajemen Industri Email : Robbie_First@Yahoo.Com ABSTRAK PT. Siantar Top Tbk adalah
Lebih terperinciEFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN
EFEKTIVITAS METODE BOX-JENKINS DAN EXPONENTIAL SMOOTHING UNTUK MERAMALKAN RETRIBUSI PENGUJIAN KENDARAAN BERMOTOR DISHUB KLATEN Puji Rahayu 1), Rohmah Nur Istiqomah 2), Eminugroho Ratna Sari 3) 1)2)3) Matematika
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciPEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH
PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH Nama : Yulia Sukma Hardyanti NRP : 1303.109.001 Jurusan
Lebih terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,
Lebih terperinciIDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA)
IDENTIFIKASI MODEL FUNGSI TRANSFER MENGGUNAKAN PEMODELAN ARIMA OTOMATIS GOMEZ-MARAVALL (STUDI KASUS PADA DATA INFLASI INDONESIA) Oleh: R I O J A K A R I A NPM. 140720090023 T E S I S Untuk memenuhi salah
Lebih terperinciOPTIMASI PRODUKSI INDUSTRI PERHIASAN EMAS di PT X DENGAN METODE LINEAR PROGRAMMING
OPTIMASI PRODUKSI INDUSTRI PERHIASAN EMAS di PT DENGAN METODE LINEAR PROGRAMMING Heni Indrayati* dan Bobby Oedy P. Soepangkat** Program Pascasarjana Magister Manajemen Teknologi ITS Bidang Keahlian Manajemen
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciModel Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan
METODE BOX JENKINS Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan utk semua tipe pola data. Dapat
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap Berlaku mulai: Genap/2010 MATA KULIAH : TEKNIK PERAMALAN KODE MATA KULIAH/ SKS : 410103096 / 3 SKS MATA KULIAH PRASYARAT
Lebih terperinciOPTIMASI PENGADAAN BAHAN BAKU SEGAR DI PT. X DENGAN METODE LINEAR PROGRAMMING
OPTIMASI PENGADAAN BAHAN BAKU SEGAR DI PT. X DENGAN METODE LINEAR PROGRAMMING Fransiscus Xaverius Aucky Wibisono dan Abdullah Shahab Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh
Lebih terperinciBAB I PENDAHULUAN. penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada zaman sekarang, peramalan merupakan salah satu unsur yang sangat penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan peramalan
Lebih terperinciPENJADWALAN PERAWAT UNIT GAWAT DARURAT DENGAN MENGGUNAKAN GOAL PROGRAMMING
Company LOGO PENJADWALAN PERAWAT UNIT GAWAT DARURAT DENGAN MENGGUNAKAN GOAL PROGRAMMING Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember 2010 PENDAHULUAN
Lebih terperinciPEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim
TE 091399 TUGAS AKHIR- 4 SKS PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA Oleh Nur Hukim Dosen Pembimbing Prof. Ir. Gamantyo Hendrantoro, M.Eng. Ph.D Ir. Achmad
Lebih terperinciAritonang, Lebrin Peramalan Bisnis. Jakarta: Ghalia Indonesia. Assauri, Sofjan Teknik dan Metode Peramalan. Jakarta: Penerbit Fakultas
DAFTAR PUSTAKA Aritonang, Lebrin. 2009. Peramalan Bisnis. Jakarta: Ghalia Indonesia Assauri, Sofjan. 1984. Teknik dan Metode Peramalan. Jakarta: Penerbit Fakultas Ekonomi Universitas Indonesia Ginting,
Lebih terperinciBAB 3 LEXICOGRAPHIC GOAL PROGRAMMING 3.1 DESKRIPSI UMUM LEXICOGRAPHIC GOAL PROGRAMMING
BAB 3 LEXICOGRAPHIC GOAL PROGRAMMING 3.1 DESKRIPSI UMUM LEXICOGRAPHIC GOAL PROGRAMMING Lexicographic goal programming adalah salah satu jenis dari goal programming. Model ini adalah model paling umum digunakan
Lebih terperinci